論文の概要: Three-Filters-to-Normal+: Revisiting Discontinuity Discrimination in Depth-to-Normal Translation

• arxiv url: http://arxiv.org/abs/2312.07964v1
• Date: Wed, 13 Dec 2023 08:18:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-14 16:09:16.367746
• Title: Three-Filters-to-Normal+: Revisiting Discontinuity Discrimination in Depth-to-Normal Translation
• Title（参考訳）: Three-Filters-to-Normal+:Depth-to-Normal翻訳における不連続判別の再検討
• Authors: Jingwei Yang, Bohuan Xue, Yi Feng, Deming Wang, Rui Fan, Qijun Chen
• Abstract要約: 本稿では,従来の3フィルタ---------------3F2N+を拡張した3フィルタ--------------(3F2N+)を紹介する。 3F2N+は表面正規推定器(SNE)に不連続判別機能を組み込む 実験により、3F2N+は他の幾何ベースの表面正規分布推定器よりも高い性能が得られることが示された。
• 参考スコア（独自算出の注目度）: 19.85273569749
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article introduces three-filters-to-normal+ (3F2N+), an extension of our previous work three-filters-to-normal (3F2N), with a specific focus on incorporating discontinuity discrimination capability into surface normal estimators (SNEs). 3F2N+ achieves this capability by utilizing a novel discontinuity discrimination module (DDM), which combines depth curvature minimization and correlation coefficient maximization through conditional random fields (CRFs). To evaluate the robustness of SNEs on noisy data, we create a large-scale synthetic surface normal (SSN) dataset containing 20 scenarios (ten indoor scenarios and ten outdoor scenarios with and without random Gaussian noise added to depth images). Extensive experiments demonstrate that 3F2N+ achieves greater performance than all other geometry-based surface normal estimators, with average angular errors of 7.85$^\circ$, 8.95$^\circ$, 9.25$^\circ$, and 11.98$^\circ$ on the clean-indoor, clean-outdoor, noisy-indoor, and noisy-outdoor datasets, respectively. We conduct three additional experiments to demonstrate the effectiveness of incorporating our proposed 3F2N+ into downstream robot perception tasks, including freespace detection, 6D object pose estimation, and point cloud completion. Our source code and datasets are publicly available at https://mias.group/3F2Nplus.
• Abstract（参考訳）: 本稿では,従来の3-filters-to-normal+ (3f2n+) の拡張である3-filters-to-normal+ (3f2n+) について紹介する。 3f2n+は、条件付き確率場(crfs)による深さ曲率最小化と相関係数最大化を組み合わせた新しい不連続識別モジュール(ddm)を用いてこの能力を達成する。 ノイズの多いデータに基づいてSNEのロバスト性を評価するため,20シナリオ(屋内10シナリオと屋外10シナリオ,奥行き画像にランダムなガウスノイズを加えることなく)を含む大規模合成表面正規化データセットを構築した。 大規模な実験により、3F2N+は、他の幾何ベースの表面正規分布推定器よりも高い性能を示し、平均角誤差は7.85$^\circ$, 8.95$^\circ$, 9.25$^\circ$, 11.98$^\circ$, clean-indoor, clean-outdoor, noisy-indoor, noisy-outdoorのデータセットである。 提案する3f2n+を,自由空間検出,6次元物体ポーズ推定,ポイントクラウド補完など,下流ロボット知覚タスクに組み込む効果を示すため,さらに3つの実験を行った。 ソースコードとデータセットはhttps://mias.group/3f2nplusで公開しています。

関連論文リスト

• G2SDF: Surface Reconstruction from Explicit Gaussians with Implicit SDFs [84.07233691641193]
  G2SDFはニューラル暗黙の符号付き距離場をガウススプラッティングフレームワークに統合する新しいアプローチである。 G2SDFは, 3DGSの効率を維持しつつ, 従来よりも優れた品質を実現する。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• Neural Signed Distance Function Inference through Splatting 3D Gaussians Pulled on Zero-Level Set [49.780302894956776]
  多視点表面再構成における符号付き距離関数(SDF)の推測は不可欠である。 本稿では3DGSとニューラルSDFの学習をシームレスに融合する手法を提案する。 我々の数値的および視覚的比較は、広く使用されているベンチマークの最先端結果よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-18T05:48:06Z)
• BVE + EKF: A viewpoint estimator for the estimation of the object's position in the 3D task space using Extended Kalman Filters [3.1884970687943417]
  RGB-Dセンサーは、放射線や雨などの外部の摂動に敏感であるため、オープンフィールド環境で動作している課題に直面している。 複数の作品がモノクロカメラを用いて物体の3D位置を認識するという課題に近づいている。 我々は,拡張カルマンフィルタ(EKF)を用いた最適視点推定器(BVE)というガウス視点推定器を用いて3次元物体の位置を予測する問題にアプローチすることを目的とする。 このアルゴリズムはタスクの効率を証明し、最大平均ユークリッド誤差は約32mmに達した。
  論文  参考訳（メタデータ） (2024-06-05T19:20:34Z)
• Hyperspectral Band Selection based on Generalized 3DTV and Tensor CUR Decomposition [8.812294191190896]
  ハイパースペクトルイメージングはリモートセンシングにおいて重要な技術である。 高次元とデータボリュームは、重大な計算上の課題を生じさせる。 データを低ランクで滑らかな成分とスパース成分に分解することで,新しいスペクトル帯域選択モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-02T02:23:38Z)
• NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth Supervision for Indoor Multi-View 3D Detection [72.0098999512727]
  NeRF-Detは、NeRFを用いた屋内マルチビュー3次元検出において、表現学習の強化による優れた性能を実現している。 セマンティックエンハンスメント(セマンティックエンハンスメント)、パースペクティブ・アウェア・サンプリング(パースペクティブ・アウェア・サンプリング)、および順序深度監視を含む3つのソリューションを提案する。 結果として得られたアルゴリズムであるNeRF-Det++は、ScanNetV2とAR KITScenesデータセットで魅力的なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-22T11:48:06Z)
• Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
  表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。 これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。 TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-20T18:03:17Z)
• Mip-Splatting: Alias-free 3D Gaussian Splatting [52.366815964832426]
  3D Gaussian Splattingは素晴らしいビュー合成結果を示し、高い忠実度と効率を実現した。 ストロングアーティファクトは、サンプリングレート、例えば焦点距離やカメラ距離を変えることで観測することができる。 この現象の原因は,3次元周波数制約の欠如と2次元拡張フィルタの利用によると考えられる。
  論文  参考訳（メタデータ） (2023-11-27T13:03:09Z)
• 3D Density-Gradient based Edge Detection on Neural Radiance Fields (NeRFs) for Geometric Reconstruction [0.0]
  密度勾配とエッジ検出フィルタを用いてニューラルレイディアンス場(NeRF)から幾何学的3次元再構成を生成する方法を示す。 提案手法は, 物体表面の幾何的精度が高く, 被写体完全性に優れる幾何学的3次元再構成を実現する能力を示す。
  論文  参考訳（メタデータ） (2023-09-26T09:56:27Z)
• ManiFlow: Implicitly Representing Manifolds with Normalizing Flows [145.9820993054072]
  正規化フロー(NF)は、複雑な実世界のデータ分布を正確にモデル化することが示されているフレキシブルな明示的な生成モデルである。 摂動分布から標本を与えられた多様体上の最も可能性の高い点を復元する最適化目的を提案する。 最後に、NFsの明示的な性質、すなわち、ログのような勾配とログのような勾配から抽出された表面正規化を利用する3次元点雲に焦点を当てる。
  論文  参考訳（メタデータ） (2022-08-18T16:07:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。